論文の概要: Ablation Path Saliency
- arxiv url: http://arxiv.org/abs/2209.12459v1
- Date: Mon, 26 Sep 2022 07:00:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 16:32:40.914038
- Title: Ablation Path Saliency
- Title(参考訳): Ablation Path Saliency
- Authors: Justus Sagem\"uller, Olivier Verdier
- Abstract要約: 画像アプリケーションでは、これは現在の決定に最も関係のある部分を強調することを意味する。
これらの手法のいくつかは、1つのより一般的な手順のエッジケースと見なすことができる。
これにより、既存の手法にさらなる幾何学的洞察を与える。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Various types of saliency methods have been proposed for explaining black-box
classification. In image applications, this means highlighting the part of the
image that is most relevant for the current decision.
We observe that several of these methods can be seen as edge cases of a
single, more general procedure based on finding a particular ablation path
through the classifier's domain. This gives additional geometric insight to the
existing methods.
We also demonstrate that this ablation path method can be used as a technique
in its own right, the higher computational cost being traded against additional
information given by the path.
- Abstract(参考訳): ブラックボックスの分類を説明するために,様々な方法が提案されている。
画像アプリケーションでは、これは現在の決定に最も関係のある画像の一部を強調することを意味する。
これらの手法のいくつかは、分類器の領域を通した特定のアブレーション経路の探索に基づいて、1つのより一般的な手順のエッジケースと見なすことができる。
これは既存の方法に対する幾何学的な洞察を与える。
また, このアブレーションパス法を単独の手法として用いることが可能であり, 経路が与える付加情報に対して高い計算コストが取引されることを示した。
関連論文リスト
- Segmentation of Tubular Structures Using Iterative Training with
Tailored Samples [3.079694232219292]
分割マスクを同時に計算し,線トポロジーを用いた管状構造物の中心線を抽出する最小経路法を提案する。
本手法は, セグメンテーションマスクとセンターラインの両面において, 最先端の結果を得る。
論文 参考訳(メタデータ) (2023-09-15T19:25:18Z) - Recent Advances in Scene Image Representation and Classification [1.8369974607582584]
本稿では,画像分類に広く用いられている既存のシーン画像表現手法について概説する。
我々は、その性能を質的に(例えば、出力の品質、pros/consなど)、量的に(例えば、精度)比較する。
本稿では,従来のコンピュータビジョン(CV)ベースの手法,ディープラーニング(DL)ベースの手法,検索エンジン(SE)ベースの手法について,最近のシーン画像表現手法の詳細な知見と応用について述べる。
論文 参考訳(メタデータ) (2022-06-15T07:12:23Z) - What You See is What You Classify: Black Box Attributions [61.998683569022006]
我々は、トレーニング済みのブラックボックス分類器であるExpplanandumの属性を予測するために、ディープネットワークであるExplainerを訓練する。
既存のほとんどのアプローチとは異なり、我々の手法はクラス固有のマスクを直接生成することができる。
我々の属性は、視覚的および定量的に確立された方法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-23T12:30:04Z) - Disentangling A Single MR Modality [15.801648254480487]
本稿では,単一モード磁気共鳴画像から理論的・実用的に優れた歪みを学習する新しい枠組みを提案する。
歪みを定量的に評価する新しい情報に基づく計量法を提案する。
論文 参考訳(メタデータ) (2022-05-10T15:40:12Z) - Fine-Grained Visual Entailment [51.66881737644983]
そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。
従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。
本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
論文 参考訳(メタデータ) (2022-03-29T16:09:38Z) - Instance Similarity Learning for Unsupervised Feature Representation [83.31011038813459]
教師なし特徴表現のための例類似性学習(ISL)手法を提案する。
我々はGAN(Generative Adversarial Networks)を用いて、基礎となる特徴多様体をマイニングする。
画像分類実験は, 最先端手法と比較して, 提案手法の優位性を示した。
論文 参考訳(メタデータ) (2021-08-05T16:42:06Z) - Combining Similarity and Adversarial Learning to Generate Visual
Explanation: Application to Medical Image Classification [0.0]
学習フレームワークを活用して視覚的説明法を作成する。
文献のメトリクスを用いることで,この手法は最先端のアプローチよりも優れています。
大規模な胸部X線データベース上でのアプローチを検証する。
論文 参考訳(メタデータ) (2020-12-14T08:34:12Z) - Visualization of Supervised and Self-Supervised Neural Networks via
Attribution Guided Factorization [87.96102461221415]
クラスごとの説明性を提供するアルゴリズムを開発した。
実験の広範なバッテリーでは、クラス固有の可視化のための手法の能力を実証する。
論文 参考訳(メタデータ) (2020-12-03T18:48:39Z) - Evaluating the Disentanglement of Deep Generative Models through
Manifold Topology [66.06153115971732]
本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。
複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
論文 参考訳(メタデータ) (2020-06-05T20:54:11Z) - There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。
このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。
本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-06T17:58:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。